El riesgo laboral no se halla donde todos creían: está en las profesiones universitarias

Existe un gráfico que Anthropic no tituló con alarma, aunque bien podría haberlo hecho. Se llama "Capacidad teórica y uso observado por categoría ocupacional" y en él conviven dos realidades que, a primera vista, parecen pertenecer a mundos distintos: lo que los grandes modelos de lenguaje pueden hacer hoy, representado en azul, y lo que los trabajadores realmente les piden que hagan, dibujado en rojo. La distancia entre ambas formas no es solo visual; es la historia más importante del mercado laboral en este momento, y está siendo narrada en voz baja.

La figura surgió de un ejercicio sin precedentes. Durante meses, los economistas Maxim Massenkoff y Peter McCrory, del equipo de investigación de Anthropic, analizaron dos millones de conversaciones anónimas con Claude registradas a lo largo de 2025, tanto en su versión gratuita como en la de pago. No se trató de encuestas ni escenarios simulados: fueron interacciones genuinas de personas usando la herramienta en contextos laborales reales. El resultado, publicado el 5 de marzo de 2026 bajo el título "Impactos en el mercado laboral: una nueva medición y evidencia temprana", constituye una de las fotografías más precisas disponibles sobre cómo los algoritmos están, o no están, penetrando el mundo del trabajo.

Lo que el diagrama muestra desafía tanto al optimismo tecnológico como al catastrofismo apocalíptico. El área azul, vasta y extendida, traza el potencial teórico fundado en el trabajo de Eloundou y colaboradores (2023): qué fracción de tareas laborales podría ejecutarse al doble de velocidad con un modelo de lenguaje, según sus capacidades intrínsecas. El área roja, comparativamente diminuta, señala el uso real registrado en las plataformas de Anthropic. En casi todas las categorías ocupacionales, la primera aplasta a la segunda. La brecha no es menor ni anecdótica; es sistemática y se repite en todos los sectores sin excepción.

El mapa que nadie quería dibujar

En el extremo superior del diagrama sobresalen tres categorías por la magnitud de su exposición teórica: gestión, finanzas y negocios, y matemática e informática. En este último grupo, la cobertura práctica registrada llega al 33% de las tareas totales, pero el potencial teórico roza el 94%, lo que implica que la inmensa mayoría de las responsabilidades cotidianas de programadores, analistas de datos y especialistas tecnológicos podrían, en principio, acelerarse significativamente con un modelo avanzado. El puesto más expuesto de todo el análisis es el de programador de computadoras, con un 75% de cobertura real documentada en el tráfico de Claude. Le siguen los representantes de atención al cliente y los operadores de entrada de datos, con el 67% de sus tareas ya observadas en uso automatizado.

El sector legal exhibe uno de los picos azules más pronunciados de la representación. No sorprende: la práctica jurídica involucra volúmenes masivos de texto, análisis de precedentes, redacción de documentos y síntesis de expedientes, todas tareas en las que los modelos actuales demuestran competencia medible. La administración de oficinas presenta igualmente un potencial teórico elevado, cercano al 90% de sus tareas, aunque el uso observado permanece muy por debajo. En el extremo opuesto, los servicios de protección, la agricultura y la construcción muestran áreas azules considerablemente más pequeñas: sus funciones centrales dependen de coordinación física, juicio en entornos imprevisibles e interacción humana de alta densidad, dimensiones donde los sistemas actuales todavía no pueden competir.

Lo más revelador no es el tamaño de cada sector en el área azul sino la compresión sistemática del área roja. En categorías donde el potencial es alto, el uso efectivo permanece bajo. Las artes y los medios de comunicación, la educación y las ciencias sociales exhiben ese mismo patrón: una promesa técnica extendida que la práctica cotidiana todavía no ha reclamado. La pregunta es por qué, y la respuesta es más compleja de lo que parece.

La grieta entre lo posible y lo real

Massenkoff y McCrory identifican varias razones para esa distancia. Algunas tareas teóricamente factibles simplemente no aparecen en el uso porque el modelo aún tiene limitaciones prácticas no contempladas en los marcos de evaluación. Otras no se adoptan por restricciones legales, por requerir software adicional o por demandar pasos de verificación humana que las organizaciones no han eliminado. Un ejemplo citado en el paper es la tarea de "autorizar recetas médicas y proveer información de prescripción a farmacias": clasificada como plenamente factible desde el punto de vista técnico, no aparece en el uso registrado de Claude. La capacidad existe; el contexto institucional y regulatorio no la habilita.

El informe introduce, por eso, una distinción conceptual que ordena el análisis: la diferencia entre "exposición teórica" y "exposición observada". Esta última solo contabiliza las tareas que los modelos pueden ejecutar en teoría y que además ya se ven en uso automatizado y laboral dentro de las plataformas. El resultado es una medida más conservadora y, según los autores, más predictiva del impacto real en el empleo. Cuando la estimación de ganancias de productividad se ajusta por la tasa de éxito real del modelo, el efecto cae de aproximadamente 1.8 puntos porcentuales anuales de crecimiento de la productividad laboral a cerca de 1.0: un número aún significativo pero alejado de los escenarios más optimistas.

Ese ajuste revela algo más fino. Algunas profesiones con cobertura modesta en número de tareas resultan profundamente afectadas porque el modelo automatiza exactamente el trabajo más repetitivo y extenso. Los especialistas en registros médicos y los operadores de entrada de datos son ejemplos que el paper cita explícitamente. Por el contrario, profesiones como la docencia o el desarrollo de software, que parecen altamente expuestas por cantidad de tareas, resultan comparativamente menos vulnerables: sus funciones más críticas dependen del vínculo pedagógico, del juicio arquitectónico ante sistemas complejos o de la responsabilidad directa frente al error, dimensiones que la tecnología actual no captura.

Un hallazgo demográfico del estudio pone en cuestión la narrativa habitual sobre la automatización. La disrupción tecnológica de ciclos anteriores avanzaba desde los escalones inferiores del mercado: primero las cadenas de montaje, luego las cajas registradoras, después los centros de llamadas. Esta vez el patrón se invierte. Los trabajadores más expuestos son los más calificados, los mejor pagados y, en proporción significativa, las mujeres que ocupan puestos administrativos y de gestión de información que hasta hace poco se consideraban seguros.

La señal más débil

Hay una estadística en el informe que merece atención especial, precisamente porque no aparece en los titulares. La tasa de desempleo en las ocupaciones más expuestas a los modelos de lenguaje no ha aumentado de manera estadísticamente significativa desde la llegada masiva de estas herramientas. Los investigadores son explícitos al respecto: el efecto es indistinguible de cero. La pregunta inevitable es si eso significa que la amenaza es una exageración o si simplemente todavía no ha llegado en su forma más visible. Massenkoff y McCrory se inclinan con cautela por la segunda lectura: los datos actuales muestran evidencia limitada de daño en el empleo, pero con señales tempranas que justifican seguimiento sistemático y periódico.

La más inquietante de esas señales involucra a los trabajadores jóvenes. El análisis detectó una reducción del 14% en la tasa de acceso a nuevos empleos para personas de 22 a 25 años en las ocupaciones más expuestas, una caída que no tiene equivalente entre los mayores de esa edad. Las empresas no están despidiendo a sus empleados con trayectoria; están contratando menos reemplazos y nuevos ingresantes. El efecto es invisible en los índices de desempleo agregados, pero visible en el acceso al mercado de quienes acaban de graduarse. Los autores señalan que este patrón coincide con hallazgos independientes de Erik Brynjolfsson y colaboradores, quienes encontraron caídas de entre 6 y 16 puntos porcentuales en el empleo de jóvenes de ese rango en ocupaciones expuestas. Si la tendencia se consolida, no habrá una crisis repentina sino una erosión gradual de los peldaños inferiores de las carreras profesionales.

PwC documentó, en su Barómetro Global de Empleos con Inteligencia Artificial de 2025, que los salarios en trabajos altamente expuestos a la automatización crecen hasta un 56% más rápido que el promedio. El mercado no está colapsando; se está reconfigurando desde adentro, premiando a quienes saben manejar estas herramientas y presionando a quienes no encuentran cómo integrarse a los flujos de trabajo que las incorporan. El Foro Económico Mundial anticipa para 2030 la creación de 170 millones de nuevos empleos y el desplazamiento de 92 millones, con un saldo neto positivo de 78 millones de puestos. El problema es que los desplazados y los beneficiados raramente son las mismas personas ni habitan las mismas geografías ni acumulan el mismo capital educativo para cruzar de un lado al otro.

Dario Amodei, fundador y director ejecutivo de Anthropic, advirtió en reiteradas ocasiones públicas que la tecnología podría eliminar hasta la mitad de los puestos de entrada de cuello blanco en un horizonte de uno a cinco años. El informe de Massenkoff y McCrory matiza esa proyección sin contradecirla: la distancia entre lo que los sistemas pueden hacer y lo que actualmente se les pide es tan grande que cualquier aceleración en la adopción, impulsada por mejoras de modelo o por cambios en las prácticas organizacionales, tendrá efectos visibles antes de que los índices macroeconómicos logren registrarlos. El propósito declarado del índice es precisamente ese: establecer una línea de base ahora, antes de que el impacto sea inconfundible, para que cuando las señales se intensifiquen sea posible separar el ruido del daño real. El gráfico de Anthropic no es una profecía. Es un instrumento de detección temprana tendido sobre un territorio que todavía no terminó de cambiar.